我同时为好几个网站打理 SEO，每天盯着排名变化，服务器上还跑着各种监控和自动化脚本。很长一段时间里，AI 那一层跟这些完全脱节——我得单独打开浏览器，把上下文粘贴进去，拿到回复，再关掉标签页。每一次对话都是从零开始，它既不记得我在做什么项目，也碰不到我的数据，更谈不上跨会话的连贯性。

问题其实不在模型本身，而是交互界面的设计。浏览器标签页本质上是个一次性工具：你得到回复就离开，没有任何东西会留存，没东西会关联，每次回来你都得重新搭一遍背景信息。

打开网易新闻 查看精彩图片

让我破局的是一个叫 OpenClaw 的东西。这是一个免费的开源 AI 编排器，可以以后台守护进程的方式跑在你自己的服务器上，并把你的 AI Agent 直接接入 Telegram。我平时就用 Telegram 来收监控告警——排名突变、内存飙高、定时任务报错。把 AI 放到同一个 app 里，意味着从看到告警到让 Agent 帮我排查问题，中间再也不需要切换工具。一个应用、一条工作流，Agent 永远在线。

OpenClaw 的官方描述是“带可扩展消息集成的多渠道 AI 网关”。但真正有意思的是它的工作方式。这个网关在你本机的 127.0.0.1 端口 18789 上运行。你通过 Telegram 发出的每条消息，都会经过这个网关到达 Agent。Agent 拥有一个持久态的工作区——文件会保留各次会话间的上下文：你是谁、你在做哪些项目、它学到了哪些你的工作习惯。每次新对话启动时，那个工作区都会自动载入，不用再重复交代背景。

相比之下，大多数网页 AI 界面都是无状态的，每开启一个新会话就清零记忆。OpenClaw 的 Agent 则是随着运行时间越长，积累的上下文越丰富，也就变得越实用。它开箱支持多个语言模型服务商：Anthropic、Google、OpenRouter、Ollama 和 OpenAI，不会把你绑死在单一模型或者单张账单上。我自己常设的是一个免费的 OpenRouter 模型作为主力，只有遇到重活儿时才把任务路由给 Claude 或者 Gemini。

安装的过程我并不是一步步手动敲出来的。我通过 SSH 让 Claude Code 接手了整件事：它完成了全部安装，配好了所有文件，只把两处需要我亲自动手的地方标记了出来。具体步骤大致是这样：

第一步，用 npm 全局安装，命令就是 npm install -g openclaw@latest。环境需要 Node.js 22.16 或以上，官方推荐 Node 24。我当时跑在 Node 22 上，一切正常工作。第二步，用 openclaw onboard --install-daemon 命令完成初始化并安装守护进程。--install-daemon 这个参数在 Linux 下会注册一个 systemd 用户服务，在 macOS 上对应 launchd。这步走完后，OpenClaw 会在系统启动时自动运行，并一直留在后台。第三步是配置主设置文件，位于 ~/.openclaw/openclaw.json。在这份文件里，Claude 帮忙完成了最核心的工作：频道设置、模型渠道、插件白名单。到这一步，我需要填的其实就只剩下 Telegram 机器人令牌和我的用户 ID。

频道部分的配置项里，dmPolicy 设为 pairing，allowFrom 列表里只包含我自己，这样除了指定的账号，谁也调不动这个 Agent。Agent 的默认模型配置中，主模型选的是一个 OpenRouter 下免费的 MiniMax 模型，需要更强推理时再动态调用付费模型。整个安装并没有复杂的依赖地狱或者手工改系统文件，基本是自动化推进，最后留两个填空给我。

把这一切跑通之后，AI 就不再是一个只活在独立标签页里的对话窗口，而成了我日常工作流里一个常驻、有记忆的协作者。告警来了，顺手就能问一句“帮我看看最近三天的内存趋势”，它拿得到数据，也记得我常看的指标。表面上看只是个把 LLM 接入 Telegram 的工程，实质是让 Agent 从“一次性问答机”变成了能跟着项目持续迭代的工作伙伴。